-
公开(公告)号：CN111914361B
公开(公告)日：2023-03-31
申请号：CN202010676474.3
申请日：2020-07-14
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于强化学习的风力机叶片快速设计优化方法。该方法基于强化学习方法，在叶片TAD优化的过程中提供方向性指导，促进叶片模型向更大的能量获取方向进行进化，优化效率大幅提升。同时由于强化学习方法的可重用性，使得训练的优化模型可以不断重用在不同的风速下，不同风速下叶片最优TAD的搜索过程将摆脱从0开始的窘境。使用原先风速下训练的优化模型作为初始模型，随后进行优化模型的调整来适应新的风速环境下的方式，极大的缩短的优化模型的训练时间，提升了叶片TAD优化速度。
-
公开(公告)号：CN119720409A
公开(公告)日：2025-03-28
申请号：CN202411759090.2
申请日：2024-12-03
Applicant: 北京理工大学
IPC: G06F30/17 , G06F30/15 , G06F30/27 , G06N3/0985 , G06F113/26 , G06F119/14
Abstract: 本申请公开了一种卫星复合材料桁架性能评估方法、设备、介质及产品，涉及大型空间结构复合材料桁架设计制造领域，该方法包括基于物理信息神经网络构建复合材料桁架性能快速评估模型；获取待测卫星复合材料桁架网格节点坐标和待测桁架几何结构优化变量参数；将所述待测卫星复合材料桁架的桁架网格节点坐标和所述待测桁架几何结构优化变量参数输入至所述复合材料桁架性能快速评估模型，得到卫星复合材料桁架性能评估结果。本申请通过基于物理信息神经网格构建的复合材料桁架性能快速评估模型，能够实时计算卫星复合材料桁架的力学性能，并且具备较强的可解释性。
-
Patent Agency Ranking
公开(公告)号：CN116861817A
公开(公告)日：2023-10-10
申请号：CN202310865809.X
申请日：2023-07-14
Applicant: 北京理工大学
IPC: G06F30/28 , G06F18/214 , G06F30/27 , G06N3/04 , G06F113/08 , G06F119/14
Abstract: 本发明公开一种用于水翼优化设计的空化流动参数辨识方法及系统，涉及水翼优化领域，该方法包括对水翼空化流场进行数据采集，得到流场数据集；对流场数据集进行预处理，得到包括数据采集点处的时空间坐标的输入数据集以及包括数据采集点处的物理场数据的标签数据集；根据链式物理信息神经网络构建流场模型；所述链式物理信息神经网络为多个物理信息神经网络序贯联结而组合成的复合网络结构；利用输入数据集和标签数据集训练流场模型，得到空化流动参数本发明能够依据有限的流场观测数据对水翼空化流动参数进行准确、高效的辨识。
-
公开(公告)号：CN112597700B
公开(公告)日：2022-09-27
申请号：CN202011477057.2
申请日：2020-12-15
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于神经网络的飞行器弹道仿真方法，能够在保证仿真精度的前提下，提高弹道仿真计算的速度。本发明的基于神经网络的飞行器弹道仿真方法，基于神经网络算法方法，依托神经网络的万能逼近性质，实现了与传统数值求解方法相近的求解精度。同时由于神经网络方法的可重用性，使得训练的优化模型可以不断重用在已有飞行器的弹道方程求解神经网络，实现了弹道方程求解神经网络有目的的初始化，将求解原有弹道方程的神经网络模型作为初始化模型，极大的缩短了求解新的飞行器弹道运动方程的神经网络的训练时间，提升了弹道方程的求解速度。
-
公开(公告)号：CN111914361A
公开(公告)日：2020-11-10
申请号：CN202010676474.3
申请日：2020-07-14
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于强化学习的风力机叶片快速设计优化方法。该方法基于强化学习方法，在叶片TAD优化的过程中提供方向性指导，促进叶片模型向更大的能量获取方向进行进化，优化效率大幅提升。同时由于强化学习方法的可重用性，使得训练的优化模型可以不断重用在不同的风速下，不同风速下叶片最优TAD的搜索过程将摆脱从0开始的窘境。使用原先风速下训练的优化模型作为初始模型，随后进行优化模型的调整来适应新的风速环境下的方式，极大的缩短的优化模型的训练时间，提升了叶片TAD优化速度。
-
公开(公告)号：CN119691927A
公开(公告)日：2025-03-25
申请号：CN202411757965.5
申请日：2024-12-03
Applicant: 北京理工大学
IPC: G06F30/17 , G06F30/27 , G06N3/0499 , G06N3/084 , G06F113/26 , G06F119/14 , G06F111/04
Abstract: 本申请公开了一种复合材料桁架结构‑工艺‑制造装备一体化仿真方法、系统、设备、介质及产品，涉及民用航天器在轨制造领域，该方法包括获取几何结构、工艺和制造装备三个子学科的参数，根据三个子学科对应的参数及对应的性能参数，基于神经网络，构建相应的代理模型，根据代理模型，采用协同优化算法，构建优化模型，根据优化模型和代理模型，基于Isight模型构建协同优化工作流，最后基于QT平台进行集成，得到复合材料桁架结构‑工艺‑制造装备一体化仿真平台，并进行一体化仿真。本申请能够提高仿真分析效率、集成各种仿真软件，高效准确地迭代优化关键设计参数，快速生成满足要求的优化方案，进而提高模拟仿真的整体效率与准确性。
-
公开(公告)号：CN112597700A
公开(公告)日：2021-04-02
申请号：CN202011477057.2
申请日：2020-12-15
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于神经网络的飞行器弹道仿真方法，能够在保证仿真精度的前提下，提高弹道仿真计算的速度。本发明的基于神经网络的飞行器弹道仿真方法，基于神经网络算法方法，依托神经网络的万能逼近性质，实现了与传统数值求解方法相近的求解精度。同时由于神经网络方法的可重用性，使得训练的优化模型可以不断重用在已有飞行器的弹道方程求解神经网络，实现了弹道方程求解神经网络有目的的初始化，将求解原有弹道方程的神经网络模型作为初始化模型，极大的缩短了求解新的飞行器弹道运动方程的神经网络的训练时间，提升了弹道方程的求解速度。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
